如何按同列不同值筛选行 实现同ID下各类型金额聚合单行展示

现有交易系统使用同一列TYPE存储交易类型，常见取值包括Bill、Sales Order、Invoice、Purchase Order等，同一ID可关联多条交易记录（比如ID 1可同时关联收入、成本类的多条记录），原始数据格式示例：

ID  TYPE       AMOUNT
 1  Bill         5 
 1  Bill         2 
 1  PurcOder     2 
 2  SAlesOrder   1

需要提取全量数据，满足两个要求：

• 每个ID下的每类TYPE仅展示1行
• 同一ID+TYPE维度下的AMOUNT做求和汇总

核心逻辑是按ID、TYPE两个维度做分组，对AMOUNT字段做求和聚合，根据处理数据的工具不同，可选择对应实现方式：

SQL（数据库直接取数） #

如果直接从业务库查询数据，使用GROUP BY语法即可，基础查询语句：

SELECT
  ID,
  TYPE,
  SUM(AMOUNT) AS total_amount
FROM 交易表名
GROUP BY ID, TYPE
ORDER BY ID, TYPE;

用示例数据跑上述语句，输出结果为：

ID  TYPE       total_amount
 1  Bill         7
 1  PurcOder     2
 2  SAlesOrder   1

注意：原始数据里存在TYPE拼写不统一、大小写混乱的问题（比如示例里的PurcOder是Purchase Order的错写、SAlesOrder大小写错误），可以在查询时用CASE WHEN做值映射，统一标准类型名，避免同类型因为拼写问题被拆分成多行：

SELECT
  ID,
  CASE
    WHEN TYPE IN ('PurcOder', 'PO', 'PurOrder') THEN 'Purchase Order'
    WHEN TYPE IN ('SAlesOrder', 'SO', 'SalesOrd') THEN 'Sales Order'
    ELSE TYPE
  END AS standard_type,
  SUM(AMOUNT) AS total_amount
FROM 交易表名
GROUP BY ID, standard_type
ORDER BY ID, standard_type;

Python Pandas（离线数据处理） #

如果数据已经导出为CSV/Excel文件，用Pandas处理的代码示例：

import pandas as pd

# 替换为实际的数据读取逻辑，比如pd.read_csv("交易数据.csv")
df = pd.read_excel("交易数据.xlsx")

# 分组聚合计算金额总和
result = df.groupby(by=["ID", "TYPE"], as_index=False)["AMOUNT"].sum()
result = result.rename(columns={"AMOUNT": "total_amount"})

# 如需统一TYPE命名，加以下映射替换逻辑
type_replace_map = {
    "PurcOder": "Purchase Order",
    "SAlesOrder": "Sales Order"
}
result["TYPE"] = result["TYPE"].replace(type_replace_map)

Excel（轻量表格处理） #

如果数据量不大，直接用Excel数据透视表即可快速得到结果：

• 选中所有原始数据区域，点击顶部菜单栏「插入」→「数据透视表」
• 在透视表字段配置面板，将ID、TYPE依次拖入「行」区域
• 将AMOUNT拖入「值」区域，点击值字段设置，汇总方式选择「求和」
• 即可直接输出符合要求的汇总结果

内容的提问来源于stack exchange，提问作者S. R.